使用 Java 提取 PDF 文本 |在 Java 中解析 PDF

您是否遇到過需要以編程方式從 PDF 文件中提取文本的情況？以編程方式從 PDF 文件中提取文本可能是一項複雜的任務，尤其是在處理大型文檔時。如果您是 Java 開發人員並正在尋找可靠的解決方案，GroupDocs.Parser Cloud SDK for Java 提供了一種從 PDF 文件中提取文本的有效方法。在本文中，我們將探索如何使用 REST API 從 Java 中的 PDF 文件中提取文本。

本文應涵蓋以下主題：

Java REST API 從 PDF 文件中提取文本和 SDK 安裝
如何使用 REST API 在 Java 中從 PDF 文件中提取所有文本
按頁碼範圍從 Java 中的 PDF 中提取特定文本

從 PDF 文件和 SDK 安裝中提取文本的 Java REST API

GroupDocs.Parser Cloud SDK for Java 是一個功能強大、用戶友好且功能豐富的軟件開發工具包，可提供全面的 PDF 解析功能。憑藉其全面的 API 集，您可以毫不費力地從 50 多種文檔格式中提取文本、元數據、圖像和解析數據。它還為 Cloud API 提供 C# .NET、Java、PHP、Ruby 和 Python SDK 作為其文檔解析器家族成員。 SDK 可以集成到基於 Java 的應用程序中，以簡化您的開發過程並提高生產力。

您可以下載 API 的 JAR 文件或使用 Maven 安裝它，方法是將以下存儲庫和依賴項添加到項目的 pom.xml 文件中：

Maven 存儲庫：

<repository>
    <id>groupdocs-artifact-repository</id>
    <name>GroupDocs Artifact Repository</name>
    <url>https://repository.groupdocs.cloud/repo</url>
</repository>

Maven 依賴項：

<dependency>
    <groupId>com.groupdocs</groupId>
    <artifactId>groupdocs-parser-cloud</artifactId>
    <version>23.3</version>
    <scope>compile</scope>
</dependency>

接下來，在 GroupDocs 網站上註冊免費試用帳戶或購買訂閱計劃並獲取您的 API 密鑰。獲得客戶端 ID 和客戶端密碼後，將以下代碼片段添加到基於 Java 的應用程序中：

# 註冊後從 https://dashboard.groupdocs.cloud 獲取你的 client_id 和 client_secret。

String ClientId = "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx";
String ClientSecret = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx";
String MyStorage = "test-internal-storage";
Configuration configuration = new Configuration(ClientId, ClientSecret);

如何使用 REST API 從 PDF 文件中提取所有文本

使用 GroupDocs.Parser Cloud SDK 從 Java 中的 PDF 文件中提取文本是一個簡單的過程。方法如下：

上傳PDF文件到雲端
Extract 使用 Java 從 PDF 中提取文本

上傳文件

首先，使用下面給出的代碼示例將 PDF 文檔上傳到雲端：

package com.groupdocsdev.classes;

import java.io.File;
import java.nio.file.Paths;

import com.groupdocs.cloud.Parser.api.*;
import com.groupdocs.cloud.Parser.client.ApiException;
import com.groupdocs.cloud.Parser.model.*;
import com.groupdocs.cloud.Parser.model.requests.*;

// 使用Java上傳文件到雲存儲
public class App {

	public static void main(String[] args) {

		FileApi apiInstance = new FileApi(configuration);
		try {
			File fileStream = new File("H:\\groupdocs-cloud-data\\input-sample-file.pdf");
			UploadFileRequest request = new UploadFileRequest("java-testing\\input-sample-file.pdf", fileStream, MyStorage);
			FilesUploadResult response = apiInstance.uploadFile(request);
			System.out.println("Expected response type is FilesUploadResult: " + response.getUploaded().size());
		} catch (ApiException e) {
			System.err.println("Exception while calling FileApi:");
			e.printStackTrace();
		}
	}
}

因此，上傳的 PDF 文件將在雲端儀表板的文件部分中可用。

在 Java 中從 PDF 文檔中提取文本

按照以下步驟和示例代碼片段使用 GroupDocs.Parser Cloud SDK for Java 在 Java 中以編程方式從 PDF 文件中提取所有文本：

首先，將所需的類導入到您的 Java 文件中。
其次，創建 ParseApi 類的一個實例。
第三，創建 FileInfo 類的一個實例。
接下來，將 PDF 文件的路徑設置為輸入。
然後，創建 TextOptions() 類的一個實例。
接下來，將 fileInfo 分配給 setFileInfo 方法。
現在，創建 TextRequest() 類的實例並傳遞 TextOptions 參數。
最後，通過調用 ParseApi.text() 方法並傳遞 TextRequest 參數來獲取結果。

以下代碼示例顯示瞭如何使用 Java 中的 REST API 從 PDF 文件中提取所有文本：

package com.groupdocsdev.classes;

import com.groupdocs.cloud.parser.client.*;
import com.groupdocs.cloud.parser.model.*;
import com.groupdocs.cloud.parser.model.requests.TextRequest;
import com.groupdocs.cloud.parser.api.ParseApi;

// 如何使用 Java 從 PDF 文檔中提取文本。
public class App {

	public static void main(String[] args) {
		
		// 創建 Parse API 的實例
		ParseApi apiInstance = new ParseApi(configuration);

		try {

			// 準備設置
			FileInfo fileInfo = new FileInfo();
			fileInfo.setFilePath("java-testing/input-sample-file.pdf");
			TextOptions options = new TextOptions();
			options.setFileInfo(fileInfo);

			TextRequest request = new TextRequest(options);
			TextResult response = apiInstance.text(request);

			// 獲取輸出文件路徑
			System.out.println("Output file path: " + response.getPath());
				
		} catch (ApiException e) {
			System.err.println("Exception while calling FileApi:");
			e.printStackTrace();
		}
		
	}
}

您可以在下圖中看到輸出：

Java 從 PDF 文檔中提取文本 — 在 Java 中從 PDF 文檔中提取文本

按頁碼範圍從 Java 中的 PDF 中提取特定文本

本節提供分步說明和示例代碼片段，用於在 Java 中以編程方式從 PDF 文件中提取特定文本：

首先，將所需的類導入到您的 Java 文件中。
其次，創建 ParseApi 類的一個實例。
第三，創建 FileInfo 類的一個實例。
接下來，將 PDF 文件的路徑設置為輸入。
然後，創建 TextOptions() 類的一個實例。
現在，提供 setStartPageNumber 和 setCountPagesToExtract 值。
然後，將 fileInfo 分配給 setFileInfo 方法。
現在，創建 TextRequest() 類的實例並傳遞 TextOptions 參數。
最後，通過調用 ParseApi.text() 方法並傳遞 TextRequest 參數來獲取結果。

以下代碼示例顯示瞭如何使用 REST API 在 Java 中按頁面範圍編號從 PDF 文件中提取特定文本：

package com.groupdocsdev.classes;

import com.groupdocs.cloud.parser.client.*;
import com.groupdocs.cloud.parser.model.*;
import com.groupdocs.cloud.parser.model.requests.TextRequest;
import com.groupdocs.cloud.parser.api.ParseApi;

// 如何在 Java 中通過頁面範圍編號從 PDF 文件中提取文本。
public class App {

	public static void main(String[] args) {
		
		// 創建 Parse API 的實例
		ParseApi apiInstance = new ParseApi(configuration);

		try {

			// 準備設置
			FileInfo fileInfo = new FileInfo();
			fileInfo.setFilePath("java-testing/input-sample-file.pdf");
			TextOptions options = new TextOptions();
			options.setStartPageNumber(1);
			options.setCountPagesToExtract(1);
			options.setFileInfo(fileInfo);

			TextRequest request = new TextRequest(options);
			TextResult response = apiInstance.text(request);
				
			// 獲取輸出文件路徑
			System.out.println("Output file path: " + response.getPath());
				
		} catch (ApiException e) {
			System.err.println("Exception while calling FileApi:");
			e.printStackTrace();
		}
		
	}
}

免費在線文檔解析器

免費在線從 PDF 中提取文本的最佳方法是什麼？請嘗試使用在線 PDF 文檔解析器軟件從 PDF 中提取文本。此 PDF 解析器工具是使用上述 Java 解析器庫開發的。

結論

總之，GroupDocs.Parser Cloud SDK for Java 對於 Java 開發人員來說是一個有價值的工具，它允許您高效地提取文本、元數據和圖像。以下是您從本文中學到的內容：

如何在 Java 中使用 REST API 從 PDF 文件中提取所有文本；
使用 Java 以編程方式將 PDF 文件上傳到雲端；
如何使用 REST API 從 Java 中的 PDF 中提取內容；
和在線PDF文本提取工具來解析PDF文檔。

此外，您可以使用文檔了解有關 GroupDocs.Parser Cloud API 的更多信息。我們還提供了一個 API 參考部分，讓您可以直接通過瀏覽器可視化我們的 API 並與之交互。 Java SDK 的完整源代碼可在 Github 上免費獲得。

最後，我們繼續撰寫關於不同文件格式的新博客文章，並使用 REST API 進行解析。因此，請聯繫以獲取最新更新。

問一個問題

如果您對如何從 PDF 文件中提取文本有任何疑問或困惑，請隨時通過我們的論壇與我們聯繫。

常見問題

如何使用 Java 從 PDF 文件中提取所有文本？

您可以在 Java 應用程序中使用 GroupDocs.Parser Cloud SDK for Java 從 PDF 文件中提取所有文本。這個功能強大的 SDK 提供了一種使用 Java 從 PDF 文件中提取文本的高效而直接的方法。

我可以使用 GroupDocs.Parser Cloud SDK for Java 從受密碼保護的 PDF 文件中提取文本嗎？

是的，SDK 支持從受密碼保護的 PDF 文件中提取文本。您可以在提取過程中提供密碼作為選項。

是否可以從 PDF 文件中的特定頁面提取文本？

是的，GroupDocs.Parser Cloud SDK for Java 允許您指定要從中提取文本的頁面範圍編號。通過這種方式，您可以輕鬆地從 PDF 文檔的特定部分中提取文本。

也可以看看

以下是一些您可能會覺得有用的相關文章：

從 PDF 文件和 SDK 安裝中提取文本的 Java REST API#

如何使用 REST API 從 PDF 文件中提取所有文本#

上傳文件#

在 Java 中從 PDF 文檔中提取文本#

按頁碼範圍從 Java 中的 PDF 中提取特定文本#

免費在線文檔解析器#

結論#

問一個問題#

常見問題#

也可以看看#